面向SVM的隐私保护方法研究进展

• 作者: 彭晓冰 朱玉全 李启顺 王丽珍
• 来源期刊: 江苏大学学报（自然科学版）
• 学科: 工学
• 关键词: 隐私保护 支持向量机 安全多方计算 同态加密 大数据
• 年，卷（期）: 2017,（1）
• 页码范围: 78-85
• 页数: 8页
• 分类号: TP309
• 字数: 7292字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7775.2017.01.014

摘要

针对未来应用SVM进行数据挖掘所面临的信息安全问题，对隐私保护支持向量机分类规则挖掘方法进行研究，以提高支持向量机进行分类时的数据安全性，同时获得有效结果。分析了支持向量机分类方法的特点和可能面临的安全威胁；对国内外相关研究成果进行了归纳和梳理；重点从数据干扰和数据加密2个角度，给出了支持向量机隐私保护技术的最新研究进展；归纳出目前研究存在的问题和未来研究的趋势。指出了支持向量机隐私保护的研究方向：分布式环境下局部分类器融合隐私保护策略、更高效率的全同态加密方案、保护SVM分类规则的方案以及适用于大数据挖掘的隐私保护SVM技术。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱玉全	江苏大学计算机科学与通信工程学院	90	959	17.0	26.0
2	李启顺		4	8	2.0	2.0
3	王丽珍	江苏大学计算机科学与通信工程学院	4	9	2.0	2.0
4	彭晓冰	江苏大学计算机科学与通信工程学院	2	6	2.0	2.0